| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 表格索引 | 第10-11页 |
| 插图索引 | 第11-13页 |
| 缩略语表 | 第13-14页 |
| 第一章 绪论 | 第14-23页 |
| ·研究意义及背景 | 第14-16页 |
| ·车道线智能识别系统 | 第14-15页 |
| ·基于机器视觉技术的智能车道线识别 | 第15-16页 |
| ·车道线识别发展现状 | 第16-18页 |
| ·西方发达国家车道线识别的发展概况 | 第16-18页 |
| ·我国车道线识别的发展概况 | 第18页 |
| ·智能车道线识别的关键步骤 | 第18-21页 |
| ·车道线边缘提取 | 第19-20页 |
| ·车道线建模匹配 | 第20-21页 |
| ·本文主要研究内容以及章节安排 | 第21-23页 |
| ·本文主要研究内容 | 第21页 |
| ·论文章节安排 | 第21-23页 |
| 第二章 图像采集及预处理 | 第23-27页 |
| ·图像采集 | 第23页 |
| ·图像预处理 | 第23-26页 |
| ·图像灰度化 | 第24页 |
| ·逆透视映射 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 车道线边缘检测 | 第27-37页 |
| ·通用边缘检测算法 | 第27-31页 |
| ·基于一阶微分的边缘检测 | 第28-29页 |
| ·基于 Canny 算子的边缘检测 | 第29-31页 |
| ·针对车道线智能识别的轮廓提取算法 | 第31-33页 |
| ·图像分块与灰度变化分析 | 第31-32页 |
| ·局部极值提取 | 第32-33页 |
| ·边缘检测算法仿真与分析 | 第33-36页 |
| ·车道线边缘检测效果 | 第34-35页 |
| ·边缘识别图像中非车道线像素的比例 | 第35页 |
| ·边缘检测算法复杂度分析 | 第35-36页 |
| ·分析比较结论 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 车道线建模与检测 | 第37-52页 |
| ·HOUGH 变换 | 第38-41页 |
| ·Hough 变换原理 | 第38-39页 |
| ·Hough 变换所需的预处理 | 第39-41页 |
| ·Hough 变换的实现 | 第41页 |
| ·基于曲线模型的车道线识别 | 第41-46页 |
| ·三次 B 样条曲线 | 第42-46页 |
| ·基于车道线几何特征的边缘匹配 | 第46-49页 |
| ·几何特征匹配 | 第47-48页 |
| ·噪声滤除 | 第48-49页 |
| ·车道线检测算法分析 | 第49-50页 |
| ·车道线识别效果 | 第49-50页 |
| ·车道线识别算法的复杂度 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第五章 车道线检测试验 | 第52-68页 |
| ·算法验证试验 | 第52-60页 |
| ·测试图像集 | 第52-53页 |
| ·车道线识别效果 | 第53-58页 |
| ·车道线识别算法对比试验 | 第58-60页 |
| ·算法验证试验总结 | 第60页 |
| ·嵌入式移植实现 | 第60-67页 |
| ·基于 ARM 平台的 Pandaboard | 第61-64页 |
| ·基于 ATOM 与 NVIDIA GPU 的华硕 MiniMax 平台 | 第64-66页 |
| ·嵌入式移植实现总结 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·未来展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |